Causalidad: viejas ideas y nuevos retos Juan JosĆ© Granizo Formalmente la causalidad es la parte de la epidemiologĆa que explora las relaciones etiolĆ³gicas entre una exposiciĆ³n y un efecto para la salud. Esta definiciĆ³n tiene la dificultad prĆ”ctica de medir la exposiciĆ³n real a un factor de riesgo y el efecto que se estĆ” investigando. La epidemiologĆa ha usado varios modelos teĆ³ricos para definir una causa. El primer modelo cientĆfico es el aplicable a las enfermedades infecciosas (Modelo de Koch), aunque se encuentra superado, ademĆ”s de ser inĆŗtil para las enfermedades crĆ³nicas. Los modelos multicausales aplican nuevas ideas como la pluralidad disyuntiva (un efecto puede tener mĆŗltiples causas), pluralidad conjuntiva (las causas deben encadenarse para ocasionar un efecto) y la multiplicidad de efectos de una Ćŗnica causa. Para superar las limitaciones de ambos modelos, se ha propuesto un modelo ādeterminista modificadoā (Rothman) que salva las bases teĆ³ricas del determinismo admitiendo el hecho de que la enfermedad aparece segĆŗn patrones aleatorios. El modelo de Rothman detalla causas suficientes, componentes y necesarias, define el riesgo como aquella condiciĆ³n que aumenta las probabilidades de que ocurra un efecto, e incluye ideas con gran impacto como la interacciĆ³n y los factores de confusiĆ³n. Inferir es un proceso subjetivo, por lo que es conveniente ser escĆ©ptico con toda afirmaciĆ³n de causalidad. Frente al modelo de Rothman se ha propuesto un modelo probabilĆsitico, basado en la apariciĆ³n aleatoria de un efecto, que puede ser Ćŗtil para grandes poblaciones o cuando no estĆ”n bien perfilados los riesgos o los efectos. Un paso mĆ”s allĆ” tenemos los āmodelos de causas complejasā que asumen que las causas estĆ”n relacionadas entre sĆ, son dependientes unas de otras y con relaciones que se modifican con el tiempo, y a su vez son modificadas por los efectos. Estos modelos estĆ”n en la lĆnea de anĆ”lisis de fenĆ³menos caĆ³ticos como la climatologĆa, para lo que se apoyan en las ideas de Lorenz y el efecto mariposa (pequeƱos cambios en las condiciones del modelo inicial ocasionan grandes cambios en el efecto final), los modelos de fractales, teorĆa de redes y teorĆa de catĆ”strofes. Presentan una gran utilidad para explicar brotes infecciosos o incidentes de seguridad que pueden estar causados por la acumulaciĆ³n de pequeƱos fallos que ocasionan efectos considerables. Entre los retos de la causalidad estĆ” demostrar que una exposiciĆ³n no es un riesgo real (demostrar la inocencia de una exposiciĆ³n) lo que constituye una demanda social no respondida por la ciencia. EstĆ” pendiente de desarrollo las herramientas que nos permitan identificar los factores de protecciĆ³n que bloquean el efecto de los factores de riesgo ya conocidos. Un tercer reto serĆa que la metodologĆa cualitativa superara a la cuantitativa, no por rigor, si no por simplicidad ya que en el futuro se emplearĆ”n tĆ©cnicas matemĆ”ticas complejas, que estarĆ”n fuera del alcance y la comprensiĆ³n de la mayorĆa de los investigadores clĆnicos. Y un cuarto reto serĆ” aunar datos clĆnicos, estilos de vida, factores ambientales y genĆ©tica empleando big data, algo que quizĆ”s cambie nuestra visiĆ³n de la epidemiologĆa. |